我想计算几列的平均值,从而使用
dplyr
为平均值创建一个新列,而不需要熔化+合并。
> head(growth2)
CODE_COUNTRY CODE_PLOT IV12_ha_yr IV23_ha_yr IV34_ha_yr IV14_ha_yr IV24_ha_yr IV13_ha_yr
1 1 6 4.10 6.97 NA NA NA 4.58
2 1 17 9.88 8.75 NA NA NA 8.25
3 1 30 NA NA NA NA NA NA
4 1 37 15.43 15.07 11.89 10.00 12.09 14.33
5 1 41 20.21 15.01 14.72 11.31 13.27 17.09
6 1 46 12.64 14.36 13.65 9.07 12.47 12.36
>
我需要数据集中的一个新列,其中包含所有 IV 列的平均值。 我试过这个:
growth2 %>%
group_by(CODE_COUNTRY, CODE_PLOT) %>%
summarise(IVmean=mean(IV12_ha_yr:IV13_ha_yr, na.rm=TRUE))
并根据所使用的示例返回了几个错误,例如:
Error in NA_real_:NA_real_ : NA/NaN argument
或
Error in if (trim > 0 && n) { : missing value where TRUE/FALSE needed
不需要分组,只需
select()
然后mutate()
library(dplyr)
mutate(df, IVMean = rowMeans(select(df, starts_with("IV")), na.rm = TRUE))
的tidyverse 解决方案,专为行式聚合而设计。使用
c_across
,可以轻松按名称、类型或位置引用列,并将任何功能应用于所选列。
但是,在通用性和性能之间存在权衡,因为这种通用方法的效率低于计算特定摘要(例如
rowMeans
)的内置逐行操作。以下是有关 row-wise 计算 的更多文档:
rowwise() 方法适用于任何汇总函数。但如果您需要更快的速度,那么值得寻找汇总函数的内置行式变体。这些更加高效,因为它们对整个数据框进行操作;他们不会将其分成几行,计算摘要,然后再次将结果连接在一起。
rowwise
是分组操作(即每一行都在自己的组中)。感谢 Matifou 强调了这个细节。
library("tidyverse")
df <-
tibble::tribble(
~CODE_COUNTRY, ~CODE_PLOT, ~IV12_ha_yr, ~IV23_ha_yr, ~IV34_ha_yr, ~IV14_ha_yr, ~IV24_ha_yr, ~IV13_ha_yr,
1L, 6L, 4.1, 6.97, NA, NA, NA, 4.58,
1L, 17L, 9.88, 8.75, NA, NA, NA, 8.25,
1L, 30L, NA, NA, NA, NA, NA, NA,
1L, 37L, 15.43, 15.07, 11.89, 10, 12.09, 14.33,
1L, 41L, 20.21, 15.01, 14.72, 11.31, 13.27, 17.09,
1L, 46L, 12.64, 14.36, 13.65, 9.07, 12.47, 12.36
)
df %>%
rowwise() %>%
mutate(
mean = mean(c_across(starts_with("IV")), na.rm = TRUE),
sd = sd(c_across(starts_with("IV")), na.rm = TRUE)
) %>%
ungroup()
#> # A tibble: 6 × 10
#> CODE_COUNTRY CODE_PLOT IV12_ha_yr IV23_ha_yr IV34_ha_yr IV14_ha_yr IV24_ha_yr
#> <int> <int> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 6 4.1 6.97 NA NA NA
#> 2 1 17 9.88 8.75 NA NA NA
#> 3 1 30 NA NA NA NA NA
#> 4 1 37 15.4 15.1 11.9 10 12.1
#> 5 1 41 20.2 15.0 14.7 11.3 13.3
#> 6 1 46 12.6 14.4 13.6 9.07 12.5
#> IV13_ha_yr mean sd
#> <dbl> <dbl> <dbl>
#> 1 4.58 5.22 1.54
#> 2 8.25 8.96 0.835
#> 3 NA NaN NA
#> 4 14.3 13.1 2.14
#> 5 17.1 15.3 3.09
#> 6 12.4 12.4 1.82
创建于 2023-04-17,使用 reprex v2.0.2
在 dplyr 中使用
.
。
library(dplyr)
mutate(df, IVMean = rowMeans(select(., starts_with("IV")), na.rm = TRUE))
我试图对 Rick Scriven 的答案发表评论,但没有经验值。无论如何,想做出贡献。他的回答说要这样做:
library(dplyr)
mutate(df, IVMean = rowMeans(select(df, starts_with("IV")), na.rm = TRUE))
这可行,但如果所有列都不以“IV”开头(这就是我的情况),你该怎么做?事实证明,该 select 不需要逻辑向量,因此您不能使用 AND 或 OR。例如,您不能说“starts_with('X') |starts_with('Y')”。您必须构建一个数字向量。这是如何完成的。
mutate(df, IVMean = rowMeans(select(df, c(starts_with("IV"), starts_with("IX"))), na.rm = TRUE))
您可以按如下方式使用:
您的数据
data<- structure(list(CODE_COUNTRY = c(1L, 1L, 1L, 1L, 1L, 1L), CODE_PLOT = c(6L,
17L, 30L, 37L, 41L, 46L), IV12_ha_yr = c(4.1, 9.88, NA, 15.43,
20.21, 12.64), IV23_ha_yr = c(6.97, 8.75, NA, 15.07, 15.01, 14.36
), IV34_ha_yr = c(NA, NA, NA, 11.89, 14.72, 13.65), IV14_ha_yr = c(NA,
NA, NA, 10, 11.31, 9.07), IV24_ha_yr = c(NA, NA, NA, 12.09, 13.27,
12.47), IV13_ha_yr = c(4.58, 8.25, NA, 14.33, 17.09, 12.36)), .Names = c("CODE_COUNTRY",
"CODE_PLOT", "IV12_ha_yr", "IV23_ha_yr", "IV34_ha_yr", "IV14_ha_yr",
"IV24_ha_yr", "IV13_ha_yr"), class = "data.frame", row.names = c("1",
"2", "3", "4", "5", "6"))
mydata <- cbind(data,IVMean=apply(data[,3:8],1,mean, na.rm=TRUE))
你也可以这样做
mydata <- cbind(data,IVMean=rowMeans(data[3:8], na.rm=TRUE))